A inteligência artificial pode ajudar os cientistas a detectar sinais de vida em outros planetas, mesmo que os alienígenas sejam muito diferentes do que poderíamos imaginar. Um novo estudo demonstrou as ferramentas que poderiam ser usadas para esse propósito e apresentou resultados favoráveis ao uso de aprendizado de máquina na busca por vida extraterrestre.
Ninguém pode dizer ao certo de quais “ingredientes” os seres vivos de outros planetas poderiam ser feitos. A possibilidade de que sejam completamente diferentes de tudo o que conhecemos pode até mesmo fazer com que passem despercebidos, mesmo que seus planetas sejam observados em detalhes pelos cientistas.
Atualmente, astrônomos buscam vida extraterrestre semelhante à da Terra, ou seja, baseada principalmente em carbono, com importante participação do enxofre, fósforo, oxigênio, nitrogênio e hidrogênio. Ou ainda pensando nas moléculas sempre presentes na vida terrestre, como água, carboidratos, proteínas e ácidos nucleicos. Mas pode ser que, na verdade, os ETs sejam formados por outras coisas.CONTINUA APÓS A PUBLICIDADE
Claro, os cientistas sabem que formas de vida completamente diferentes podem existir, mas procurar por seres “semelhantes” aos terrestres é, por enquanto, a melhor — e talvez única — chance de reconhecer habitantes de outros mundos. Mas e se já tivermos descoberto exoplanetas habitados por vida composta por outros elementos ou moléculas diferentes?
Para ampliar as o escopo da busca, um novo estudo propõe o uso de inteligência artificial para identificar anomalias na composição atmosférica dos mais de 5 mil exoplanetas já descobertos pela humanidade. O artigo, submetido à American Astronomical Society, argumenta que o uso de aprendizado de máquina poderia revelar bioassinaturas desconhecidas.
A composição de exoplanetas é analisada por meio do espectro de luz observado por telescópios como o Hubble, James Webb, Euclid e outros equipados com espectrógrafos. Isso é feito quando o planeta passa em frente à sua estrela (no ponto de vista da Terra), permitindo que a luz estelar atravesse a atmosfera daquele mundo antes de atingir as lentes dos telescópios.
Essa luz alterada pela atmosfera revela muito sobre o planeta em questão, inclusive o tipo de elemento emitido por processos biológicos, caso haja vida por lá. Por isso, instrumentos de última geração são usados para analisar os espectros de planetas já descobertos, como é o caso do Webb encontrando água em nuvens de outros mundos.
Com a estreia dos próximos grandes telescópios, como o Nancy Grace Roman, SPHEREx e ARIEL, os cientistas terão os maiores e mais detalhados conjuntos de dados de exoplanetas já reunidos, em uma escala de tempo relativamente curta. A combinação desses telescópios e aprendizagem automática de máquina, diz o novo estudo, permitirá aos determinar com mais precisão a habitabilidade desses planetas.
/i566962.png)
Os autores demonstraram a ideia usando dois métodos já conhecidos de aprendizado de máquina para detecção de anomalias: o Local Outlier Factor (LOF) e o One-Class Support Vector Machine (OCSVM). Com essas ferramentas, eles analisaram um grande banco de dados público de espectros sintéticos, desenvolvido pela equipe da missão ARIEL, contendo mais de 100 mil sinais espectrais de exoplanetas gerados por computador.
Seus resultados apontam que não apenas anomalias podem ser encontradas nos espectros de milhares de exoplanetas, mas também que isso pode ser feito rapidamente. Essas anomalias poderiam, então, receber maior atenção dos cientistas em um esforço para compreendê-las e descobrir suas causas.
É possível que formas de vida jamais imaginadas por nós sejam descobertas com esse método. Mesmo que isso não ocorra, os astrônomos poderiam encontrar processos não biológicos inexistentes na Terra. De qualquer forma, o aprendizado de máquina terá muito a oferecer às futuras observações de mundos distantes.
A pesquisa disponibilizada no arXig.org ainda aguarda revisão de pares.
Fonte: Universe Today, arXiv.org